Methods for daily forecasting
Günlük veri tahminleme yöntemleri
- Tez No: 270456
- Danışmanlar: DOÇ. WOLFGANG HÖRMANN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 181
Özet
Birçok iş kolunda geleceğe yönelik planlar ve alınacak kararlar gelecekteki beklentilere göre şekillendiğinden, tahminleme büyük önem taşımaktadır. Bu tez günlük zaman serisi verileri için özel birtakım uygulamalarla geliştirilmiş tahminleme yöntemlerinin farklı tipte zaman serisi verilerine uygulanarak karşılaştırılmasını ve tahminleme deney sonuçlarının değerlendirmesini gerçekleştirmektedir. Bir tahminleme metodunun gerçeğe yakın tahmin değerleri vermesinin yanında, bu metodun kodlama ve uygulama aşamaları da önem teşkil etmektedir.Tezin birinci bölümünde tahminleme açıklanmış, ikinci bölümünde, tahminleme sürecinden bahsedilmiştir. Üçüncü bölümde literatürde uygulanmış tahminleme metotlarından bahsedilmiştir. Tezde uygulanacak olan metotların açıklamalarına basit tahminleme yöntemi ile dördüncü bölümde başlanmıştır. Beşinci bölüm zaman serisi regresyon metotlarını, altıncı bölüm ise çeşitli üstel düzeltme yöntemlerini açıklamaktadır. Yedinci bölümde otoregresif hareketli ortalama metodu hakkında açıklamalar ve uygulanan günlük tahminleme metodu yer almaktadır. Sekizinci bölümde, ?R? programında yazılmış tahminleme yöntemlerinin uygulanmasına yönelik fonksiyonların açıklamaları yapılmıştır. Tahminleme metotlarını değerlendirmeye yönelik deney sonuçları ve değerlendirmeler dokuzuncu bölümde verilmiştir. En son bölümde ise, yöntemler hakkında genel bir değerlendirme yapılıp, sonuca varılmıştır.
Özet (Çeviri)
For many branches of business daily forecasting constitutes an important activity, since future plans are made or decisions are taken according to the future expectations. This thesis provides a comparison of different daily forecasting methods with special implementations for different time series data and evaluates the results of forecasting experiments. It is important for the selected forecasting method to give more accurate results and smaller forecast errors. Also, the coding and the implementation processes have an effect in choosing a forecasting method.The first chapter explains forecasting, the second chapter gives information about the forecasting process, the third chapter gives examples of the forecasting methods used in the literature. The explanation of forecasting methods begins with the fourth chapter with the explanation of the so called ?naive method?. The fifth chapter explains time series regression methods, the sixth chapter presents exponential smoothing methods, the seventh chapter gives information about the autoregressive integrated moving average method. The eight chapter explains the implementation of these forecasting methods written on ?R? program. The experiments evaluating these forecasting methods are introduced and explained in the ninth chapter. Finally, a general overview of the methods is presented.
Benzer Tezler
- Derin öğrenme ile çizge zaman serilerinin analizi
Analysis of graph time series with deep learning
MUSTAFA MERT KESKİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET MURAT ÖZBAYOĞLU
- Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study
Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi
RANA EZGİ KÖSE
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
- Short-term solar power forecasting with artificial neural network models
Yapay sinir ağları modelleri ile kısa süreli güneş enerjisi tahmini
SEÇKİN GÖKÇE
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Deep learning for time-series forecasting of currency exchange rates
Döviz kuru oranlarının zaman serisi tahmini için derin öğrenme
MUSTAFA JABBAR SAFI AL-ASADI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET FATİH AKAY
- Transfer merkezli havalimanlarının stratejik planlaması: İstanbul Havalimanı örneği
Strategic planning in hub airports: The case of Istanbul Airport
ATINÇ TUNALI
Doktora
Türkçe
2023
Sivil Havacılıkİstanbul Üniversitesi-Cerrahpaşaİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER GİRAN